计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2010年
15期
165-168
,共4页
李琼%董才林%陈增照%何秀玲
李瓊%董纔林%陳增照%何秀玲
리경%동재림%진증조%하수령
支持向量机(SVM)%核参数选择%特征空间%可分性度量
支持嚮量機(SVM)%覈參數選擇%特徵空間%可分性度量
지지향량궤(SVM)%핵삼수선택%특정공간%가분성도량
支持向量机是一种基于核的学习方法,核函数及核参数的选择直接影响到SVM的泛化能力.传统的参数选择方法如网格搜索法,由于其计算量大,训练过程十分耗时,提出了一种新的快速选择最优核参数方法,该方法通过计算各类别在特征空间的可分性度量值来决定最优核参数,不需训练相应SVM分类模型,从而大大缩减了训练时间,提高了训练速度,且分类精度与传统方法相比,具有相当的竞争力.实验证明,该算法是可行有效的.
支持嚮量機是一種基于覈的學習方法,覈函數及覈參數的選擇直接影響到SVM的汎化能力.傳統的參數選擇方法如網格搜索法,由于其計算量大,訓練過程十分耗時,提齣瞭一種新的快速選擇最優覈參數方法,該方法通過計算各類彆在特徵空間的可分性度量值來決定最優覈參數,不需訓練相應SVM分類模型,從而大大縮減瞭訓練時間,提高瞭訓練速度,且分類精度與傳統方法相比,具有相噹的競爭力.實驗證明,該算法是可行有效的.
지지향량궤시일충기우핵적학습방법,핵함수급핵삼수적선택직접영향도SVM적범화능력.전통적삼수선택방법여망격수색법,유우기계산량대,훈련과정십분모시,제출료일충신적쾌속선택최우핵삼수방법,해방법통과계산각유별재특정공간적가분성도량치래결정최우핵삼수,불수훈련상응SVM분류모형,종이대대축감료훈련시간,제고료훈련속도,차분류정도여전통방법상비,구유상당적경쟁력.실험증명,해산법시가행유효적.
